稀疏二次判别分析与社区贝叶斯
机器学习
2016-10-20 v2 统计计算
摘要
我们通过稀疏图模型路径，开发了一类涵盖从二次判别分析到朴素贝叶斯范围的规则。采用组套索（group lasso）惩罚项引入收缩效应，并鼓励精度矩阵间呈现相似的稀疏模式。该方法给出了相互作用的稀疏估计，并产生可解释的模型。受估计精度矩阵连通分量结构的启发，我们提出了社区贝叶斯模型，该模型将特征划分为若干个条件独立的社区，并将分类问题分解为多个独立的较小问题。社区贝叶斯思想具有相当的通用性，可应用于非高斯数据和基于似然的分类器。
引用
@article{arxiv.1407.4543,
title = {Sparse Quadratic Discriminant Analysis and Community Bayes},
author = {Ya Le and Trevor Hastie},
journal= {arXiv preprint arXiv:1407.4543},
year = {2016}
}
备注
Revised version (adding more experiments)